# Наука за данни за начинаещи - Учебна програма Azure Cloud Advocates в Microsoft с удоволствие предлагат 10-седмична, 20-урочна учебна програма, посветена на науката за данни. Всеки урок включва предварителни и последващи тестове, писмени инструкции за изпълнение на урока, решение и задача. Нашият подход, базиран на проекти, ви позволява да учите, докато създавате, доказан метод за усвояване на нови умения. **Сърдечни благодарности на нашите автори:** [Jasmine Greenaway](https://www.twitter.com/paladique), [Dmitry Soshnikov](http://soshnikov.com), [Nitya Narasimhan](https://twitter.com/nitya), [Jalen McGee](https://twitter.com/JalenMcG), [Jen Looper](https://twitter.com/jenlooper), [Maud Levy](https://twitter.com/maudstweets), [Tiffany Souterre](https://twitter.com/TiffanySouterre), [Christopher Harrison](https://www.twitter.com/geektrainer). **🙏 Специални благодарности 🙏 на нашите [Microsoft Student Ambassador](https://studentambassadors.microsoft.com/) автори, рецензенти и сътрудници на съдържанието,** включително Aaryan Arora, [Aditya Garg](https://github.com/AdityaGarg00), [Alondra Sanchez](https://www.linkedin.com/in/alondra-sanchez-molina/), [Ankita Singh](https://www.linkedin.com/in/ankitasingh007), [Anupam Mishra](https://www.linkedin.com/in/anupam--mishra/), [Arpita Das](https://www.linkedin.com/in/arpitadas01/), ChhailBihari Dubey, [Dibri Nsofor](https://www.linkedin.com/in/dibrinsofor), [Dishita Bhasin](https://www.linkedin.com/in/dishita-bhasin-7065281bb), [Majd Safi](https://www.linkedin.com/in/majd-s/), [Max Blum](https://www.linkedin.com/in/max-blum-6036a1186/), [Miguel Correa](https://www.linkedin.com/in/miguelmque/), [Mohamma Iftekher (Iftu) Ebne Jalal](https://twitter.com/iftu119), [Nawrin Tabassum](https://www.linkedin.com/in/nawrin-tabassum), [Raymond Wangsa Putra](https://www.linkedin.com/in/raymond-wp/), [Rohit Yadav](https://www.linkedin.com/in/rty2423), Samridhi Sharma, [Sanya Sinha](https://www.linkedin.com/mwlite/in/sanya-sinha-13aab1200), [Sheena Narula](https://www.linkedin.com/in/sheena-narua-n/), [Tauqeer Ahmad](https://www.linkedin.com/in/tauqeerahmad5201/), Yogendrasingh Pawar, [Vidushi Gupta](https://www.linkedin.com/in/vidushi-gupta07/), [Jasleen Sondhi](https://www.linkedin.com/in/jasleen-sondhi/) || |:---:| | Наука за данни за начинаещи - _Скица от [@nitya](https://twitter.com/nitya)_ | ### 🌐 Поддръжка на много езици #### Поддържани чрез GitHub Action (Автоматизирано и винаги актуално) [French](../fr/README.md) | [Spanish](../es/README.md) | [German](../de/README.md) | [Russian](../ru/README.md) | [Arabic](../ar/README.md) | [Persian (Farsi)](../fa/README.md) | [Urdu](../ur/README.md) | [Chinese (Simplified)](../zh/README.md) | [Chinese (Traditional, Macau)](../mo/README.md) | [Chinese (Traditional, Hong Kong)](../hk/README.md) | [Chinese (Traditional, Taiwan)](../tw/README.md) | [Japanese](../ja/README.md) | [Korean](../ko/README.md) | [Hindi](../hi/README.md) | [Bengali](../bn/README.md) | [Marathi](../mr/README.md) | [Nepali](../ne/README.md) | [Punjabi (Gurmukhi)](../pa/README.md) | [Portuguese (Portugal)](../pt/README.md) | [Portuguese (Brazil)](../br/README.md) | [Italian](../it/README.md) | [Polish](../pl/README.md) | [Turkish](../tr/README.md) | [Greek](../el/README.md) | [Thai](../th/README.md) | [Swedish](../sv/README.md) | [Danish](../da/README.md) | [Norwegian](../no/README.md) | [Finnish](../fi/README.md) | [Dutch](../nl/README.md) | [Hebrew](../he/README.md) | [Vietnamese](../vi/README.md) | [Indonesian](../id/README.md) | [Malay](../ms/README.md) | [Tagalog (Filipino)](../tl/README.md) | [Swahili](../sw/README.md) | [Hungarian](../hu/README.md) | [Czech](../cs/README.md) | [Slovak](../sk/README.md) | [Romanian](../ro/README.md) | [Bulgarian](./README.md) | [Serbian (Cyrillic)](../sr/README.md) | [Croatian](../hr/README.md) | [Slovenian](../sl/README.md) | [Ukrainian](../uk/README.md) | [Burmese (Myanmar)](../my/README.md) **Ако желаете да бъдат добавени допълнителни езици, списъкът с поддържани езици е [тук](https://github.com/Azure/co-op-translator/blob/main/getting_started/supported-languages.md)** #### Присъединете се към нашата общност [](https://aka.ms/ds4beginners/discord) Имаме текуща серия за обучение с AI в Discord, научете повече и се присъединете към нас на [Learn with AI Series](https://aka.ms/learnwithai/discord) от 18 до 30 септември 2025 г. Ще получите съвети и трикове за използване на GitHub Copilot за наука за данни.  # Студент ли сте? Започнете с тези ресурси: - [Студентска страница](https://docs.microsoft.com/en-gb/learn/student-hub?WT.mc_id=academic-77958-bethanycheum) На тази страница ще намерите ресурси за начинаещи, студентски пакети и дори начини да получите безплатен ваучер за сертификат. Това е страница, която трябва да запазите и проверявате от време на време, тъй като съдържанието се обновява поне веднъж месечно. - [Microsoft Learn Student Ambassadors](https://studentambassadors.microsoft.com?WT.mc_id=academic-77958-bethanycheum) Присъединете се към глобална общност от студентски посланици, това може да бъде вашият път към Microsoft. # Започнете > **Учители**: включили сме [някои предложения](for-teachers.md) за това как да използвате тази учебна програма. Ще се радваме на вашата обратна връзка [в нашия форум за дискусии](https://github.com/microsoft/Data-Science-For-Beginners/discussions)! > **[Студенти](https://aka.ms/student-page)**: за да използвате тази учебна програма самостоятелно, клонирайте цялото хранилище и изпълнете упражненията самостоятелно, започвайки с тест преди лекцията. След това прочетете лекцията и изпълнете останалите дейности. Опитайте се да създадете проектите, като разбирате уроците, вместо да копирате кода на решенията; въпреки това, този код е наличен в папките /solutions във всеки урок, базиран на проект. Друга идея е да създадете учебна група с приятели и да преминете през съдържанието заедно. За допълнително обучение препоръчваме [Microsoft Learn](https://docs.microsoft.com/en-us/users/jenlooper-2911/collections/qprpajyoy3x0g7?WT.mc_id=academic-77958-bethanycheum). ## Запознайте се с екипа [](https://youtu.be/8mzavjQSMM4 "Promo video") **Gif от** [Mohit Jaisal](https://www.linkedin.com/in/mohitjaisal) > 🎥 Кликнете върху изображението по-горе за видео за проекта и хората, които го създадоха! ## Педагогика Избрахме два педагогически принципа при създаването на тази учебна програма: да гарантираме, че тя е базирана на проекти и че включва чести тестове. До края на тази серия студентите ще са научили основни принципи на науката за данни, включително етични концепции, подготовка на данни, различни начини за работа с данни, визуализация на данни, анализ на данни, реални случаи на използване на науката за данни и други. Освен това, тест с нисък риск преди урока насочва вниманието на студента към изучаването на дадена тема, докато втори тест след урока осигурява допълнително задържане на знанията. Тази учебна програма е проектирана да бъде гъвкава и забавна и може да бъде взета изцяло или частично. Проектите започват малки и стават все по-сложни до края на 10-седмичния цикъл. > Намерете нашия [Кодекс за поведение](CODE_OF_CONDUCT.md), [Принос](CONTRIBUTING.md), [Насоки за превод](TRANSLATIONS.md). Очакваме вашата конструктивна обратна връзка! ## Всеки урок включва: - По избор скица - По избор допълнително видео - Тест за загряване преди урока - Писмен урок - За уроци, базирани на проекти, ръководства стъпка по стъпка за изграждане на проекта - Проверка на знанията - Предизвикателство - Допълнително четене - Задача - [Тест след урока](https://ff-quizzes.netlify.app/en/) > **Бележка относно тестовете**: Всички тестове са включени в папката Quiz-App, общо 40 теста с по три въпроса всеки. Те са свързани от уроците, но приложението за тестове може да бъде стартирано локално или разположено в Azure; следвайте инструкциите в папката `quiz-app`. Те постепенно се локализират. ## Уроци || |:---:| | Наука за данни за начинаещи: Пътна карта - _Скетч от [@nitya](https://twitter.com/nitya)_ | | Номер на урока | Тема | Групиране на урока | Цели на обучението | Свързан урок | Автор | | :-----------: | :----------------------------------------: | :--------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :---------------------------------------------------------------------: | :----: | | 01 | Определяне на науката за данни | [Въведение](1-Introduction/README.md) | Научете основните концепции за науката за данни и как тя е свързана с изкуствения интелект, машинното обучение и големите данни. | [урок](1-Introduction/01-defining-data-science/README.md) [видео](https://youtu.be/beZ7Mb_oz9I) | [Dmitry](http://soshnikov.com) | | 02 | Етика в науката за данни | [Въведение](1-Introduction/README.md) | Концепции за етика на данните, предизвикателства и рамки. | [урок](1-Introduction/02-ethics/README.md) | [Nitya](https://twitter.com/nitya) | | 03 | Определяне на данни | [Въведение](1-Introduction/README.md) | Как се класифицират данните и какви са техните често срещани източници. | [урок](1-Introduction/03-defining-data/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 04 | Въведение в статистиката и вероятностите | [Въведение](1-Introduction/README.md) | Математически техники за вероятности и статистика за разбиране на данните. | [урок](1-Introduction/04-stats-and-probability/README.md) [видео](https://youtu.be/Z5Zy85g4Yjw) | [Dmitry](http://soshnikov.com) | | 05 | Работа с релационни данни | [Работа с данни](2-Working-With-Data/README.md) | Въведение в релационните данни и основите на изследването и анализа на релационни данни с езика за структурирани заявки, известен като SQL (произнася се „си-квел“). | [урок](2-Working-With-Data/05-relational-databases/README.md) | [Christopher](https://www.twitter.com/geektrainer) | | | | 06 | Работа с NoSQL данни | [Работа с данни](2-Working-With-Data/README.md) | Въведение в нерелационните данни, техните различни типове и основите на изследването и анализа на документни бази данни. | [урок](2-Working-With-Data/06-non-relational/README.md) | [Jasmine](https://twitter.com/paladique)| | 07 | Работа с Python | [Работа с данни](2-Working-With-Data/README.md) | Основи на използването на Python за изследване на данни с библиотеки като Pandas. Препоръчва се основно разбиране на програмирането с Python. | [урок](2-Working-With-Data/07-python/README.md) [видео](https://youtu.be/dZjWOGbsN4Y) | [Dmitry](http://soshnikov.com) | | 08 | Подготовка на данни | [Работа с данни](2-Working-With-Data/README.md) | Теми за техники за почистване и трансформиране на данни за справяне с предизвикателства като липсващи, неточни или непълни данни. | [урок](2-Working-With-Data/08-data-preparation/README.md) | [Jasmine](https://www.twitter.com/paladique) | | 09 | Визуализиране на количества | [Визуализация на данни](3-Data-Visualization/README.md) | Научете как да използвате Matplotlib за визуализиране на данни за птици 🦆 | [урок](3-Data-Visualization/09-visualization-quantities/README.md) | [Jen](https://twitter.com/jenlooper) | | 10 | Визуализиране на разпределения на данни | [Визуализация на данни](3-Data-Visualization/README.md) | Визуализиране на наблюдения и тенденции в рамките на интервал. | [урок](3-Data-Visualization/10-visualization-distributions/README.md) | [Jen](https://twitter.com/jenlooper) | | 11 | Визуализиране на пропорции | [Визуализация на данни](3-Data-Visualization/README.md) | Визуализиране на дискретни и групирани проценти. | [урок](3-Data-Visualization/11-visualization-proportions/README.md) | [Jen](https://twitter.com/jenlooper) | | 12 | Визуализиране на връзки | [Визуализация на данни](3-Data-Visualization/README.md) | Визуализиране на връзки и корелации между набори от данни и техните променливи. | [урок](3-Data-Visualization/12-visualization-relationships/README.md) | [Jen](https://twitter.com/jenlooper) | | 13 | Смислени визуализации | [Визуализация на данни](3-Data-Visualization/README.md) | Техники и насоки за създаване на визуализации, които са ценни за ефективно решаване на проблеми и извличане на прозрения. | [урок](3-Data-Visualization/13-meaningful-visualizations/README.md) | [Jen](https://twitter.com/jenlooper) | | 14 | Въведение в жизнения цикъл на науката за данни | [Жизнен цикъл](4-Data-Science-Lifecycle/README.md) | Въведение в жизнения цикъл на науката за данни и първата му стъпка - придобиване и извличане на данни. | [урок](4-Data-Science-Lifecycle/14-Introduction/README.md) | [Jasmine](https://twitter.com/paladique) | | 15 | Анализиране | [Жизнен цикъл](4-Data-Science-Lifecycle/README.md) | Тази фаза от жизнения цикъл на науката за данни се фокусира върху техники за анализ на данни. | [урок](4-Data-Science-Lifecycle/15-analyzing/README.md) | [Jasmine](https://twitter.com/paladique) | | | | 16 | Комуникация | [Жизнен цикъл](4-Data-Science-Lifecycle/README.md) | Тази фаза от жизнения цикъл на науката за данни се фокусира върху представянето на прозренията от данните по начин, който улеснява разбирането от страна на вземащите решения. | [урок](4-Data-Science-Lifecycle/16-communication/README.md) | [Jalen](https://twitter.com/JalenMcG) | | | | 17 | Наука за данни в облака | [Данни в облака](5-Data-Science-In-Cloud/README.md) | Тази серия от уроци представя науката за данни в облака и нейните предимства. | [урок](5-Data-Science-In-Cloud/17-Introduction/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) и [Maud](https://twitter.com/maudstweets) | | 18 | Наука за данни в облака | [Данни в облака](5-Data-Science-In-Cloud/README.md) | Обучение на модели с инструменти за нисък код. |[урок](5-Data-Science-In-Cloud/18-Low-Code/README.md) | [Tiffany](https://twitter.com/TiffanySouterre) и [Maud](https://twitter.com/maudstweets) | | 19 | Наука за данни в облака | [Данни в облака](5-Data-Science-In-Cloud/README.md) | Деплойване на модели с Azure Machine Learning Studio. | [урок](5-Data-Science-In-Cloud/19-Azure/README.md)| [Tiffany](https://twitter.com/TiffanySouterre) и [Maud](https://twitter.com/maudstweets) | | 20 | Наука за данни в реалния свят | [В реалния свят](6-Data-Science-In-Wild/README.md) | Проекти, базирани на науката за данни, в реалния свят. | [урок](6-Data-Science-In-Wild/20-Real-World-Examples/README.md) | [Nitya](https://twitter.com/nitya) | ## GitHub Codespaces Следвайте тези стъпки, за да отворите този пример в Codespace: 1. Кликнете върху падащото меню Code и изберете опцията Open with Codespaces. 2. Изберете + New codespace в долната част на панела. За повече информация, вижте [документацията на GitHub](https://docs.github.com/en/codespaces/developing-in-codespaces/creating-a-codespace-for-a-repository#creating-a-codespace). ## VSCode Remote - Containers Следвайте тези стъпки, за да отворите това хранилище в контейнер, използвайки вашия локален компютър и VSCode с разширението VS Code Remote - Containers: 1. Ако за първи път използвате контейнер за разработка, уверете се, че вашата система отговаря на предварителните изисквания (например, инсталиран Docker) в [документацията за започване](https://code.visualstudio.com/docs/devcontainers/containers#_getting-started). За да използвате това хранилище, можете да го отворите в изолиран Docker обем: **Забележка**: В основата си това ще използва командата Remote-Containers: **Clone Repository in Container Volume...**, за да клонира изходния код в Docker обем вместо в локалната файлова система. [Обемите](https://docs.docker.com/storage/volumes/) са предпочитаният механизъм за запазване на данни в контейнера. Или да отворите локално клонирана или изтеглена версия на хранилището: - Клонирайте това хранилище на вашата локална файлова система. - Натиснете F1 и изберете командата **Remote-Containers: Open Folder in Container...**. - Изберете клонираното копие на тази папка, изчакайте контейнерът да стартира и опитайте. ## Офлайн достъп Можете да стартирате тази документация офлайн, използвайки [Docsify](https://docsify.js.org/#/). Форкнете това хранилище, [инсталирайте Docsify](https://docsify.js.org/#/quickstart) на вашия локален компютър, след това в основната папка на това хранилище въведете `docsify serve`. Уебсайтът ще бъде достъпен на порт 3000 на вашия localhost: `localhost:3000`. > Забележка: тетрадките няма да бъдат визуализирани чрез Docsify, така че когато трябва да стартирате тетрадка, направете го отделно в VS Code, използвайки Python kernel. ## Други учебни програми Нашият екип създава и други учебни програми! Вижте: - [Generative AI за начинаещи](https://aka.ms/genai-beginners) - [Generative AI за начинаещи .NET](https://github.com/microsoft/Generative-AI-for-beginners-dotnet) - [Generative AI с JavaScript](https://github.com/microsoft/generative-ai-with-javascript) - [Generative AI с Java](https://aka.ms/genaijava) - [AI за начинаещи](https://aka.ms/ai-beginners) - [Наука за данни за начинаещи](https://aka.ms/datascience-beginners) - [Bash за начинаещи](https://github.com/microsoft/bash-for-beginners) - [ML за начинаещи](https://aka.ms/ml-beginners) - [Киберсигурност за начинаещи](https://github.com/microsoft/Security-101) - [Уеб разработка за начинаещи](https://aka.ms/webdev-beginners) - [IoT за начинаещи](https://aka.ms/iot-beginners) - [Машинно обучение за начинаещи](https://aka.ms/ml-beginners) - [XR разработка за начинаещи](https://aka.ms/xr-dev-for-beginners) - [Овладяване на GitHub Copilot за AI програмиране в двойка](https://aka.ms/GitHubCopilotAI) - [XR разработка за начинаещи](https://github.com/microsoft/xr-development-for-beginners) - [Овладяване на GitHub Copilot за C#/.NET разработчици](https://github.com/microsoft/mastering-github-copilot-for-dotnet-csharp-developers) - [Изберете своето приключение с Copilot](https://github.com/microsoft/CopilotAdventures) ---